[论文解读] Statistical Tests for Contagion in Observational Social Network Studies

Greg Ver Steeg, Aram Galstyan|arXiv (Cornell University)|Nov 20, 2012

Complex Network Analysis Techniques参考文献 13被引用 8

一句话总结

本文提出了一种非参数统计方法，通过推导因果效应的下界，在存在未观测到的同质性（homophily）的情况下，检验观测社交网络中的传染效应（社会影响）。该方法利用代数约束和观测行为序列的可交换性检验，无需参数假设即可识别因果影响，在合成数据和弗朗西斯科心脏研究（Framingham Heart Study）数据上表现出鲁棒性。

ABSTRACT

Current tests for contagion in social network studies are vulnerable to the confounding effects of latent homophily (i.e., ties form preferentially between individuals with similar hidden traits). We demonstrate a general method to lower bound the strength of causal effects in observational social network studies, even in the presence of arbitrary, unobserved individual traits. Our tests require no parametric assumptions and each test is associated with an algebraic proof. We demonstrate the effectiveness of our approach by correctly deducing the causal effects for examples previously shown to expose defects in existing methodology. Finally, we discuss preliminary results on data taken from the Framingham Heart Study.

研究动机与目标

• 解决观测社交网络研究中因未观测到的同质性导致的混杂问题，其中潜在特质会扭曲因果推断。
• 开发一种方法，在无需参数假设或完全掌握隐藏特质的情况下，检验传染效应（社会影响）的存在。
• 在干预不切实际或不道德的网络化系统中，建立因果效应强度的下界。
• 通过利用观测行为序列中的对称性和可交换性，提出一种计算上可行的方法来检测因果影响。
• 在合成示例和弗朗西斯科心脏研究的真实世界数据上，证明该方法的有效性。

提出的方法

• 使用包含隐性同质性和传染性的贝叶斯网络模型形式化问题，为两名参与者定义隐藏属性 $ R_A $ 和 $ R_B $。
• 将 $ \Delta $-因果模型定义为满足对 Alice 行为对 Bob 行为平均处理效应的界约束的概率分布，其中 $ \delta_l \leq P(B_t=1|B_{t-1},A_{t-1}=1,R_B) - P(B_t=1|B_{t-1},A_{t-1}=0,R_B) \leq \delta_u $。
• 利用基于可交换性的等式约束（例如 $ P(A=x,B=x) = P(A=y,B=y) $）识别对称性，以区分因果与非因果模型。
• 构建可观测函数 $ c^{(2)}(A,B) $，使得对所有非因果模型（$ \mathcal{P}_0 $）均有 $ \langle c^{(2)} \rangle_P = 0 $，从而支持假设检验。
• 通过式 (1.7) 的优化计算在因果模型下这些等式被违反的最大程度，从而得出传染效应的检验统计量。
• 利用 De Finetti 定理指出，在长时间极限下，对称性匹配足以实现模型区分。

实验结果

研究问题

• RQ1 我们能否在不假设参数模型或观测隐藏特质的情况下，检验观测社交网络中传染效应的存在？
• RQ2 在存在任意未观测同质性的情况下，我们能在多大程度上界定因果影响的强度？
• RQ3 观测行为序列中的可交换性和对称性约束是否足以检测因果影响？
• RQ4 该方法在真实世界数据（如弗朗西斯科心脏研究）上的表现如何？
• RQ5 当标准方法因混杂而失效时，该方法是否仍能检测到因果效应？

主要发现

• 该方法成功检测到此前被证明暴露现有方法缺陷的合成示例中的因果影响，例如涉及延迟或即时影响的情形。
• 在延迟影响模型中，可观测量 $ c^{(2)} $ 在 $ P_\delta $ 下达到 $ \frac{7}{16}\delta $ 的值，而在所有非因果模型下保持为零。
• 该方法生成一系列传染强度的下界，其在极限下收敛至最紧可能的下界，且无需参数假设。
• 在长时间极限下，基于对称性的检验（如序列的可交换性）足以区分因果与非因果模型，符合 De Finetti 定理。
• 该方法对任意未观测的个体特质具有鲁棒性，且无需测量所有混杂属性。
• 弗朗西斯科心脏研究数据的初步结果支持该方法在真实社交网络因果推断中的可行性。